大香蕉啪啪啪啪啪啪啪,国产精品成人99一区无码,小早川怜子爆乿护士中文在线 ,国产一级黄色片视频,天天搞天天干在线视频,欧美日韩黄色网络,日本免费三级黄色电影网站,男女拍拍免费视频

近期發(fā)現(xiàn)許多小伙伴有繪制K線圖的需求，甚至有些同學沒有用第三方模塊自己寫代碼繪制圖表，其實這完全是重復性工作，網上有許多已經成熟的K線圖繪制方案，比如我們今天要講的 Mplfinance.

Mplfinance 是 Matplotlib 組織開源項目的一部分。相對于Matplotlib，Mplfinance這個處于金融行業(yè)的垂直領域的模塊的關注度確實是少了一些，以至于很多朋友都不知道它的存在，實際上它非常實用且好用。

1.準備

開始之前，你要確保Python和pip已經成功安裝在電腦上，如果沒有，可以訪問這篇文章：超詳細Python安裝指南進行安裝。

(可選1) 如果你用Python的目的是數(shù)據(jù)分析，可以直接安裝Anaconda：Python數(shù)據(jù)分析與挖掘好幫手—Anaconda，它內置了Python和pip.

(可選2) 此外，推薦大家用VSCode編輯器，它有許多的優(yōu)點：Python 編程的最好搭檔—VSCode 詳細指南。

請選擇以下任一種方式輸入命令安裝依賴：
1. Windows 環(huán)境打開 Cmd (開始-運行-CMD)。
2. MacOS 環(huán)境打開 Terminal (command+空格輸入Terminal)。
3. 如果你用的是 VSCode編輯器或 Pycharm，可以直接使用界面下方的Terminal.

pip install --upgrade mplfinance

2.基本使用

我們以滬深300分鐘線為例，使用mplfinance繪制各類金融圖形。

首先看看數(shù)據(jù)結構：

import pandas as pd
mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
print(mins)

結構如下：

day      open      high       low     close     volume
0 2022-03-07 10:47:00  4406.223  4406.352  4405.662  4405.922   54345400
1 2022-03-07 10:48:00  4406.172  4406.175  4403.834  4403.918   70803100
2 2022-03-07 10:49:00  4403.333  4403.333  4402.235  4402.340   49632500
3 2022-03-07 10:50:00  4402.330  4402.519  4401.838  4402.519   48159200

我們用于mplfinance的數(shù)據(jù)必須是 Pandas DataFrame. 字段則按需提供，至少要有時間字段和一列數(shù)據(jù)。另外原始數(shù)據(jù)如果是其他的數(shù)據(jù)類型，你必須得先轉成DataFrame格式。

此外，時間字段必須轉為DatetimeIndex：

# 公眾號：二七阿爾量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = 'Time'
print(mins)

效果如下：

open      high       low     close     volume
Time
2022-03-07 10:47:00  4406.223  4406.352  4405.662  4405.922   54345400
2022-03-07 10:48:00  4406.172  4406.175  4403.834  4403.918   70803100
2022-03-07 10:49:00  4403.333  4403.333  4402.235  4402.340   49632500
2022-03-07 10:50:00  4402.330  4402.519  4401.838  4402.519   48159200

準備完成后就可以繪制圖表了：

# 公眾號：二七阿爾量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = 'Time'

# 繪制默認圖像（美國線）
mpf.plot(mins)

繪制蠟燭圖（K線圖），為了避免圖表過大，我這里只取了240條K線：

# 公眾號：二七阿爾量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = 'Time'

candle_chart = mins.tail(240)
mpf.plot(candle_chart, type='candle')

黑白顏色太單調了，我們可以換成“雅虎”配色：

mpf.plot(candle_chart, type='candle', style='yahoo')

繪制線型圖：

# 公眾號：二七阿爾量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = 'Time'
mpf.plot(mins, type='line')

除了美國線、蠟燭圖（K線）、線型圖外，mplfinance還支持 renko、pnf 等圖形。有興趣的同學可以改個type看看效果：

3.添加技術指標

繪制簡單移動平均線MA5，我們只需要多加一個參數(shù)：

# 公眾號：二七阿爾量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = 'Time'
candle_chart = mins.tail(240)
mpf.plot(candle_chart, type='candle', mav=5)

如果你需要多條移動平均線，只需要將mav改為元組參數(shù)，傳入你需要的周期參數(shù)：

如果你還需要顯示成交量(volume), mplfinance 也能實現(xiàn)：

# 公眾號：二七阿爾量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = 'Time'
candle_chart = mins.tail(240)
mpf.plot(candle_chart, type='candle', mav=(5, 10, 20), volume=True)

如果你還想給蠟燭上色、想更改線條顏色、想增加其他指標，請看第三部分高級使用。

4.高級使用

上色是非常簡單的，正如我們之前換成雅虎配色一樣，你只需要添加style參數(shù)即可換成我們傳統(tǒng)的技術指標顏色。

如果你想自定義顏色也是可以做到的，這里我將前120根柱子設置為藍黃相間，后120根柱子保留原形：

# 公眾號：二七阿爾量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = 'Time'
candle_chart = mins.tail(240)
mco = ['yellow','blue'] * 60 + [None] * 120
mpf.plot(candle_chart, volume=True, style='yahoo', type='candle', marketcolor_overrides=mco)

效果如下：

有些同學還希望能夠繪制自己的技術指標，mplfinance也可以做到：

上滑查看更多代碼

# 公眾號：二七阿爾量化
# https://github.com/matplotlib/mplfinance/blob/master/examples/mpf_animation_macd.py#L28

import pandas as pd
import mplfinance as mpf
import matplotlib.animation as animation

mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = 'Time'
candle_chart = mins.tail(240)

df = candle_chart

exp12 = df['close'].ewm(span=12, adjust=False).mean()
exp26 = df['close'].ewm(span=26, adjust=False).mean()
macd = exp12 - exp26
signal = macd.ewm(span=9, adjust=False).mean()
histogram = macd - signal

apds = [mpf.make_addplot(exp12,color='lime'),
        mpf.make_addplot(exp26,color='c'),
        mpf.make_addplot(histogram,type='bar',width=0.7,panel=1,
                         color='dimgray',alpha=1,secondary_y=False),
        mpf.make_addplot(macd,panel=1,color='fuchsia',secondary_y=True),
        mpf.make_addplot(signal,panel=1,color='b',secondary_y=True),
       ]

s = mpf.make_mpf_style(base_mpf_style='classic',rc={'figure.facecolor':'lightgray'})

fig, axes = mpf.plot(df,type='candle',addplot=apds,figscale=1.5,figratio=(7,5),title='\n\nMACD',
                     style=s,volume=True,volume_panel=2,panel_ratios=(6,3,2),returnfig=True)

mpf.show()

mpf.make_addplot 支持添加任意圖形到任意panel上，panel參數(shù)默認為0，如果設為1則將圖形添加到第二個圖上，color參數(shù)能設置圖形顏色，secondary_y 能將圖形的值設置到y(tǒng)軸上。效果如下：

此外，如果你希望能動態(tài)看到整個繪制過程，增加個animation即可：

上滑查看更多代碼

# 公眾號：二七阿爾量化
import pandas as pd
import mplfinance as mpf
import matplotlib.animation as animation

mins = pd.read_csv('sh300_1min.csv',index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = 'Time'
candle_chart = mins.tail(240)

df = candle_chart

exp12 = df['close'].ewm(span=12, adjust=False).mean()
exp26 = df['close'].ewm(span=26, adjust=False).mean()
macd = exp12 - exp26
signal = macd.ewm(span=9, adjust=False).mean()
histogram = macd - signal

apds = [mpf.make_addplot(exp12,color='lime'),
        mpf.make_addplot(exp26,color='c'),
        mpf.make_addplot(histogram,type='bar',width=0.7,panel=1,
                         color='dimgray',alpha=1,secondary_y=False),
        mpf.make_addplot(macd,panel=1,color='fuchsia',secondary_y=True),
        mpf.make_addplot(signal,panel=1,color='b',secondary_y=True),
       ]

s = mpf.make_mpf_style(base_mpf_style='classic',rc={'figure.facecolor':'lightgray'})

fig, axes = mpf.plot(df,type='candle',addplot=apds,figscale=1.5,figratio=(7,5),title='\n\nMACD',
                     style=s,volume=True,volume_panel=2,panel_ratios=(6,3,2),returnfig=True)

mpf.show()

ax_main = axes[0]
ax_emav = ax_main
ax_hisg = axes[2]
ax_macd = axes[3]
ax_sign = ax_macd
ax_volu = axes[4]


def animate(ival):
    if (20+ival) > len(df):
        print('no more data to plot')
        ani.event_source.interval *= 3
        if ani.event_source.interval > 12000:
            exit()
        return
    data = df.iloc[0:(30+ival)]
    exp12 = data['close'].ewm(span=12, adjust=False).mean()
    exp26 = data['close'].ewm(span=26, adjust=False).mean()
    macd = exp12 - exp26
    signal = macd.ewm(span=9, adjust=False).mean()
    histogram = macd - signal
    apds = [mpf.make_addplot(exp12,color='lime',ax=ax_emav),
            mpf.make_addplot(exp26,color='c',ax=ax_emav),
            mpf.make_addplot(histogram,type='bar',width=0.7,
                             color='dimgray',alpha=1,ax=ax_hisg),
            mpf.make_addplot(macd,color='fuchsia',ax=ax_macd),
            mpf.make_addplot(signal,color='b',ax=ax_sign),
           ]

    for ax in axes:
        ax.clear()
    mpf.plot(data,type='candle',addplot=apds,ax=ax_main,volume=ax_volu)

ani = animation.FuncAnimation(fig,animate,interval=100)

mpf.show()

還有許多更有趣的玩法，你可以閱讀mplfinance的examples學習更多的使用技巧：

https://github.com/matplotlib/mplfinance/tree/master/examples

本文的全部代碼和數(shù)據(jù)包括mplfinance的examples都可以在【二七阿爾量化】公眾號后臺回復：mplfinance 下載。

我們的文章到此就結束啦，如果你喜歡今天的量化投資內容，請持續(xù)關注二七阿爾量化。

有任何問題，可以在公眾號后臺回復：加群，回答相應紅字驗證信息，進入互助群詢問。

希望你能在下面點個贊和在看支持我繼續(xù)創(chuàng)作，謝謝！

歡迎關注公眾號：二七阿爾量化

十行代碼繪制漂亮金融K線圖，這個神器你不可錯過

十行代碼繪制漂亮金融K線圖，這個神器你不可錯過